MétaCan
Menu
Constructeur de cohorte

4 299 418 travaux, canadiens par l’une de quatre routes.

Chaque état de filtre est une URL; l’URL est la requête; la requête est citable via /q/⟨hash⟩. La page, l’API et l’export analysent les mêmes paramètres.

La cohorte courante, diffusée en continu depuis la base de données : toutes les colonnes des travaux, les étiquettes machine, les scores provisoires et l'état de validation de chaque rangée. Les exportations sont plafonnées à 100 000 rangées. Crée un lien /q/ permanent pour cette requête exacte. Les mêmes filtres produisent toujours le même lien, qui que soit le demandeur.

Terme de recherche
Auteur ou autrice
Période
Ordre
Langue
Type
Domaine
Revue
Sujet
Anomaly Detection Techniques and Applications
Rétractation
Résumé
Source des données probantes
Devis d'étude
Accord des étiquettes
État des étiquettes

Les étiquettes directes de Codex et Gemma sont non validées et clairsemées. Les prédictions distillées couvrent la base complète et sont elles aussi non validées. Choisissez explicitement la source; l'absence d'une étiquette directe n'est jamais une étiquette négative.

affaffiliation
fundbailleur
venuerevue
aboutsujet

Les quatre voies se composent : exigez la voie du financement et excluez l'affiliation pour obtenir la strate financée-seulement qu'aucune base fondée sur l'affiliation ne voit jamais.

1 158 résultats · 1 filtre actif ·
Résultats par année
20002025
Date de publication
Catégories
Étiquettes machine · couverture clairsemée
Preuves
Langue
Type
Citations
Un travail non étiqueté est inconnu, pas un négatif. La couverture est rapportée à chaque requête.
1 158 travaux dans la cohorte · sur 4 299 418page 6 sur 24

Les étiquettes couvrent 1 des 1 158 travaux de cette cohorte. Les autres sont non étiquetés, ce qui n'est pas une étiquette négative : la table des étiquettes est clairsemée aujourd'hui et s'enrichit au fil des rondes d'étiquetage.

Les prédictions distillées couvrent 1 158 des 1 158 travaux de cette cohorte. Ces prédictions portent le statut machine_predicted_unvalidated. Le mode candidate est l'union; le consensus est l'intersection.

affsans résuménon étiqueté
An Evaluation Framework for Synthetic Data Generation Models
Ioannis E. Livieris, Nikos Alimpertis, George Domalis, Dimitris Tsakalidis
2024· book-chapter· en· IFIP advances in information and communication technology· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
16
citations
affsans résuménon étiqueté
On Diverse Asynchronous Activity Anticipation
He Zhao, Richard P. Wildes
2020· book-chapter· en· Lecture notes in computer science· Computer Science
prédiction distillée:candidate · metaepi_narrowconsensus · aucune
16
citations
afffundnon étiqueté
Graph Anomaly Detection in Time Series: A Survey
Narges Armanfard
2025· article· en· IEEE Transactions on Pattern Analysis and Machine Intelligence· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
16
citations
affsans résuménon étiqueté
Big data fusion in Internet of Things
Zheng Yan, Jun Liu, Laurence T. Yang, Nitesh V. Chawla
2017· article· en· Information Fusion· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
15
citations
fundno affnon étiqueté
Data mining of resilience indicators
Ngai Hang Chan, Hoi Ying Wong
2007· article· en· IIE Transactions· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
15
citations
affsans résuménon étiqueté
Y-Means: An Autonomous Clustering Algorithm
Ali A. Ghorbani, Iosif-Viorel Onut
2010· book-chapter· en· Lecture notes in computer science· Computer Science
prédiction distillée:candidate · metaepi_narrowconsensus · aucune
15
citations
affnon étiqueté
SiPTA
Mohammad Mehdi Zeinali Zadeh, Mahmoud Salem, Neeraj Kumar, Greta Cutulenco, Sebastian Fischmeister
2014· article· en· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
15
citations
affnon étiqueté
Anomaly Detection in Images
Manpreet Singh Minhas, John Zelek
2019· preprint· en· arXiv (Cornell University)· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
14
citations
venueno affnon étiqueté
Terrorism Prediction Using Artificial Neural Network
Ghada A. Soliman, Tarek Abou-El-Enien
2019· article· en· Revue d intelligence artificielle· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
14
citations
affnon étiqueté
Provider-Consumer Anomaly Detection for Healthcare Systems
Luiz F. Carvalho, Carlos H. C. Teixeira, Wagner Meira, Martin Ester, Osvaldo Carvalho, Maria Helena Brandao
2017· article· en· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
14
citations
affnon étiqueté
Statistical Anomaly Detection for Train Fleets
Anders Holst, Markus Bohlin, Jan Ekman, Ola Sellin, Björn Lindström, Stefan Larsen
2013· article· en· AI Magazine· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
14
citations
afffundnon étiqueté
Incremental Adversarial Learning for Polymorphic Attack Detection
Ulya Sabeel, Shahram Shah Heydari, Khalil El‐Khatib, Khalid Elgazzar
2024· article· en· IEEE Transactions on Machine Learning in Communications and Networking· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
12
citations
affnon étiqueté
Hidden Markov Model: Tutorial
Benyamin Ghojogh, Fakhri Karray, Mark Crowley
2019· preprint· en· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
12
citations

En coulisses: Sélection · Constats · À propos